本书在归纳分析国内外关于智慧路由相关研究的基础上，利用蚁群、蜂群、粒子群、绒泡菌等生物启发方法研究智慧路由机制与协议，主要内容包括:在蚁群算法中引入感知技术，提出感知蚁群的智慧路由模型；基于绒泡菌形体自我调节的特性，提出绒泡菌启发的智慧路由模型；利用蜂群的觅食行为，提出蜂群智慧路由模型；结合多种生物启发方法，提出多生物启发的智慧模型；结合网络环境的多变性，提出协议与网络适配的路由机制；讨论生物启发路由在未来网络中的应用。
样章试读
目录
- 目录
前言
第1章绪论1
1.1生物信息学3
1.2系统生物学5
1.3生物启发技术9
1.4自律计算理论10
1.4.1自律计算的起源及概念10
1.4.2自律计算概念模型13
1.4.3自律计算的现状14
1.5路由器技术发展趋势16
1.5.1路由器技术体系演进16
1.5.2路由器发展的二元推动18
1.5.3设计理念的革命19
1.5.4路由器的发展趋势20
1.5.5核心路由器、高端路由器和中低端路由器的发展趋势23
1.6路由技术研究现状24
1.6.1路由体系的研究现状24
1.6.2无线路由协议的研究现状26
1.7本章小结30
参考文献30
第2章传统生物启发路由方法38
2.1蚁群算法路由方法38
2.1.1网络模型及路由表结构39
2.1.2蚁群算法基本原理40
2.1.3基本蚁群算法分析41
2.1.4改进蚁群算法44
2.2蜂群算法路由方法47
2.2.1蜂群算法基本原理47
2.2.2蜂群算法描述48
2.2.3蜂群算法具体思想49
2.2.4改进后的蜂群算法51
2.2.5蜂群算法存在的问题及展望52
2.3粒子群算法路由方法54
2.3.1粒子群算法原理55
2.3.2基于粒子群算法的路由算法57
2.3.3粒子群算法的特点及其应用58
2.3.4粒子群算法的路由优化58
2.4遗传算法路由方法59
2.4.1遗传算法基本原理60
2.4.2遗传算法基本步骤60
2.4.3改进的遗传算法61
2.4.4遗传算法的优缺点63
2.5其他生物方法路由64
2.6本章小结64
参考文献65
第3章感知蚁群智慧路由模型69
3.1引言69
3.1.1问题的提出69
3.1.2国内外研究现状71
3.2基于感知蚂蚁的路由发现算法73
3.2.1典型场景模型73
3.2.2基于感知蚂蚁的全局路径感知74
3.2.3基于感知蚂蚁的路径发现过程78
3.3Physarum启发的路由决策模型78
3.4基于PACO和P￣iRD的混合路由协议80
3.4.1B￣iHRP的数据结构80
3.4.2域内路由发现81
3.4.3域外路由发现82
3.4.4路由维护84
3.4.5路由优化84
3.5B￣iHRP的平均时延分析85
3.6仿真实验91
3.7本章小结98
参考文献98
第4章绒泡菌智慧路由模型101
4.1引言101
4.1.1问题的提出101
4.1.2国内外研究现状103
4.2PPFO模型106
4.3Physarum启发的路由协议108
4.3.1典型场景模型108
4.3.2P￣iNHS模型110
4.3.3P￣iRP112
4.3.4P￣iRP算法114
4.3.5P￣iRP算法复杂度116
4.4P￣iNHS模型分析117
4.5仿真实验120
4.5.1拓扑环境和参数设置120
4.5.2性能分析121
4.6本章小结127
参考文献127
第5章蜂群智慧路由模型130
5.1引言130
5.2蜂群算法研究背景130
5.3无线传感网QoS组播路由评价模型131
5.3.1相关概念131
5.3.2QoS路由评价模型及度量134
5.4多约束蜂群组播路由发现机制136
5.4.1QoS蜂群算法简述136
5.4.2系统模型140
5.4.3算法描述145
5.5本章小结151
参考文献151
第6章多生物启发的路由模型153
6.1引言153
6.1.1问题的提出153
6.1.2国内外研究现状154
6.1.3典型场景模型155
6.2基于免疫原理的节点可信度评价算法156
6.2.1基本描述156
6.2.2抗原递呈157
6.2.3抗体的生灭过程158
6.2.4抗体进化159
6.2.5可信度评价160
6.3路由发现与路由选择161
6.3.1路径感知161
6.3.2路由发现162
6.3.3路由选择163
6.4B￣iTRP163
6.4.1B￣iTRP的数据结构164
6.4.2可信度评价165
6.4.3路由策略166
6.4.4B￣iTRP讨论167
6.5仿真实验168
6.6本章小结174
参考文献175
第7章协议与网络适配的智慧路由机制178
7.1引言178
7.2协议与网络的智慧适配模型179
7.2.1面向协议与网络适配的逻辑架构179
7.2.2网络的分级决策与预测180
7.2.3协议与网络的适配模型181
7.3网络特征的协同感知182
7.3.1网络特征参数的选择182
7.3.2感知特征信息的采集183
7.3.3感知特征参数的归一化189
7.3.4感知信息传输的同步191
7.4基于HMM的网络预测192
7.5本章小结196
参考文献196
第8章生物启发路由在传统网络中的应用199
8.1生物启发路由与传统网络结合需要解决的问题199
8.1.1遗传算法199
8.1.2蚁群算法200
8.1.3粒子群算法201
8.1.4蜂群算法201
8.2基于遗传算法的QoS组播路由问题202
8.2.1编码方法202
8.2.2生产初始种群202
8.2.3评价函数设计203
8.2.4交叉203
8.2.5选择复制204
8.2.6变异204
8.3蚁群算法在QoS组播路由中的应用204
8.4粒子群算法在QoS组播路由中的应用206
8.4.1问题描述206
8.4.2算法实现207
8.5蜂群算法在QoS组播路由中的应用208
8.5.1算法思想208
8.5.2算法实现208
8.6本章小结209
参考文献209
第9章生物启发路由在未来网络中的应用211
9.1引言211
9.1.1问题的提出211
9.1.2国内外研究现状212
9.2信息中心网络213
9.2.1ICN的分类213
9.2.2ICN的特征214
9.2.3ICN关键技术215
9.2.4ICN发展趋势218
9.3智慧协同网络219
9.4支持资源动态适配的可重构路由算法221
9.4.1基于PPFO模型的自适配模型221
9.4.2智慧协同网络的自适配与可重构路由算法222
9.5协议分析224
9.6原型验证225
9.6.1原型系统介绍225
9.6.2采用自适配路由效果227
9.6.3采用OSPF路由效果230
9.6.4测试结果对比231
9.7本章小结233
参考文献233
第10章智慧路由的发展236
京公网安备 11010102004214号